Python：将爬取的网页数据写入Excel文件中

Python：将爬取的网页数据写入Excel文件中

通过网络爬虫爬取信息后，我们一般是将内容存入txt文件或者数据库中，也可以写入Excel文件中，这里介绍关于使用Excel文件保存爬取到的网页数据的简单实现方法。

 

必要的第三方库：requests、beautifulsoup4、xlwt。

 

先来看看通过使用Excel文件保存数据的一个简单实例。

 

#导入xlwt模块

import xlwt

#创建一个Workbook对象，即创建一个Excel工作簿

f = xlwt.Workbook()

#创建学生信息表

#sheet1表示Excel文件中的一个表

#创建一个sheet对象，命名为“学生信息”，cell_overwrite_ok表示是否可以覆盖单元格，是Worksheet实例化的一个参数，默认值是False

sheet1 = f.add_sheet(u'学生信息',cell_overwrite_ok=True)

#标题信息行集合

rowTitle = [u'学号',u'姓名',u'性别',u'出生年月']

#学生信息行集合

rowDatas = [[u'10001',u'张三',u'男',u'1998-2-3'],[u'10002',u'李四',u'女',u'1999-12-12'],[u'10003',u'王五',u'男',u'1998-7-8']]

#遍历向表格写入标题行信息

for i in range(0,len(rowTitle)):

# 其中的'0'表示行, 'i'表示列，0和i指定了表中的单元格，'rowTitle[i]'是向该单元格写入的内容

    sheet1.write(0,i,rowTitle[i])

#遍历向表格写入学生信息

for k in range(0,len(rowDatas)):    #先遍历外层的集合，即每行数据

    for j in range(0,len(rowDatas[k])): #再遍历内层集合，j表示列数据

        sheet1.write(k+1,j,rowDatas[k][j]) #k+1表示先去掉标题行，j表示列数据，rowdatas[k][j] 插入单元格数据

#保存文件的路径及命名

f.save('D:/WriteToExcel.xlsx')

 

在D盘对应的名为WriteToExcel.xlsx的Excel文件中，发现信息已被插入到表格中。

 

 类似地，将爬取到的数据写入Excel文件中保存。

import requests
from bs4 import BeautifulSoup
import xlwt

def getHtml():
    #k代表存储到Excel的行数
    k=1 
    #创建一个工作簿
    f = xlwt.Workbook()  
    #创建一个工作表
    sheet = f.add_sheet("Python相关职业招聘信息") 
    rowTitle = ['职位名', '公司名', '工作地点', '薪资', '发布时间','链接']
    for i in range(0,len(rowTitle)):
        sheet.write(0, i, rowTitle[i])  
 　 url='https://search.51job.com/list/000000,000000,0000,00,9,99,python,2,1.html?lang=c&postchannel=0000&workyear=99&cotype=99&degreefrom=99&jobterm=99&companysize=99&ord_field=0&dibiaoid=0&line=&welfare='

    #解析第1页
    for page in range(1):
        res = requests.get(url.format(page))
        res.encoding = 'GBK'
        soup = BeautifulSoup(res.text, 'html.parser')
        t1 = soup.find_all('.t1 span a')
        t2 = soup.select('.t2 a')
        t3 = soup.select('.t3')
        t4 = soup.select('.t4')
        t5 = soup.select('.t5')
        for i in range(len(t1)):
            job = t1[i].get('title')#获取职位名
            href = t2[i].get('href')#获取链接
            company = t2[i].get('title')#获取公司名
            location = t3[i+1].text#获取工作地点
            salary = t4[i+1].text#获取薪资
            date = t5[i+1].text#获取发布日期
            print(job + " " + company + " " + location + " " + salary + " " + date + " " + href)
            f.write(k,0,job)
            f.write(k,1,company)
            f.write(k,2,location)
            f.write(k,3,salary)
            f.write(k,4,date)
            f.write(k,5,href)
            k+=1#每存储一行 k值加1
    f.save('D:/Python相关职业招聘信息.xlsx')#写完后调用save方法进行保存

if __name__=='__main__':
    getHtml()